주머니 속 메모장

수업 링크 : https://opentutorials.org/module/4966/28988 네번째 딥러닝 - 신경망의 완성:히든레이어 - Tensorflow 1 수업소개 히든레이어와 멀티레이어의 구조를 이해하고, 히든레이어를 추가한 멀티레이어 인공신경망 모델을 완성해 봅니다. 강의 멀티레이어 신경망 실습 소스코드 colab | backend.ai 보스 opentutorials.org

수업 링크 : https://opentutorials.org/module/4966/28987 세번째 딥러닝 - 아이리스 품종 분류 - Tensorflow 1 수업소개 아이리스 품종을 분류하는 딥러닝 모델을 텐서플로우를 이용하여 만들어 보고, 분류모델과 회귀모델의 차이점을 이해합니다. 범주형 변수의 처리 방법인 원핫인코딩을 해야하는 이유 opentutorials.org 종속 변수가 양적 데이터인 경우 회귀 알고리즘을 사용 종속 변수가 범주형 데이터인 경우 분류 알고리즘을 사용 숫자가 아닌 데이터가 수식에 들어갈 수는 없다. => 범주형 데이터는 수식에 사용할 수 있는 형태로 바꿔주어야 한다. 원핫인코딩 : 범주형 데이터를 딥러닝 모델에 사용하기 위해 1과 0으로 이루어진 데이터로 바꿔주는 과정 분류 모델은..

수업 링크 : https://opentutorials.org/module/4966/28977 학습의 실제 - Tensorflow 1 수업소개 딥러닝 워크북에서 손으로 모델을 학습시켜 보며 딥러닝이 학습하는 원리를 배웁니다. 강의 "파일" > "사본 만들기"를 하시면 직접 해볼 수 있습니다. opentutorials.org 1. 초기 가중치(W)와 편향(B) 값에 따라 손실(Loss) 값 도출한다. 2. 도출된 손실 값을 가중치와 편향으로 각각 미분하여 가중치와 손실, 편향과 손실 간의 관계를 파악한다. (가중치나 편향의 값이 증가하고 감소함에 따라 손실 값은 어떻게 변화하는지) 3. 파악된 관계를 통해 다음 가중치와 편향 값을 설정한다.

수업 링크 : https://opentutorials.org/module/4966/28976 두번째 딥러닝 - 보스턴 집값 예측 - Tensorflow 1 수업소개 보스턴 집값을 예측하는 딥러닝 모델을 텐서플로우를 이용하여 만들어 보고, 모델을 구성하는 퍼셉트론에 대해 이해합니다. 강의 수식과 퍼셉트론 실습 소스코드 colab | backend. opentutorials.org 이전 레모네이드 판매 예측 모델은 독립 변수와 종속 변수가 하나인 단순한 모델 종속 변수 : MEDV(해당 지역의 주택 가격 중 중앙값) 독립 변수 : MEDV 외 나머지 왼쪽의 공식 : 독립 변수들이 종속 변수에 어떻게 영향을 미치는지 보여주는 식 => 머신러닝을 이용하면 기계가 알아서 복잡한 공식을 만들어준다. 1. 첫 번째 ..

수업 링크 : https://opentutorials.org/module/4966/28974 첫번째 딥러닝 - 레모네이드 판매 예측 - Tensorflow 1 수업소개 레모네이드 판매량을 예측하는 딥러닝 모델을 텐서플로우를 이용하여 만들어 봅니다. 강의 손실의 의미 실습 소스코드 colab | backend.ai ########################### # 라이브러리 사용 i opentutorials.org 1. 데이터를 준비하는 부분에서는 독립 변수와 종속 변수를 분리해서 준비한다. 2. 모델의 구조를 만들 때 숫자 부분을 독립 변수와 종속 변수의 수에 맞춰 만들어야 한다. 3. 학습을 할 때는 몇 회에 걸쳐 학습을 할지 알려주어야 한다. 4. 만들어진 모델을 이용..

프로그램의 관점에서의 변수 : 데이터를 담고 있다는 의미 표의 관점에서의 변수 : 관측치에 따라 값이 변한다는 의미 원인이 되는 변수 : 독립 변수 결과가 되는 변수 : 종속 변수 지도학습은 독립 변수와 종속 변수를 구분하는 것에서 시작한다. pandas : 표를 다루는 라이브러리

수업 링크 : https://opentutorials.org/module/4966/28969 실습 환경 - Google Colaboratory - Tensorflow 1 수업소개 구글 콜라보레이토리를 소개하면서 실습 환경을 설정합니다. 강의 opentutorials.org jupyter notebook : notebook 파일을 웹 브라우저로 실행하여 쉽게 프로그래밍을 해볼 수 있는 환경을 제공하는 도구 Google Colaboratory : 구글 드라이브 내에서 사용할 수 있도록 jupyter notebook과 같은 역할을 하는 도구 실습 환경 설정 방법 구글 드라이브 접속 > 새로 만들기 > 더 보기 > Google Colaboratory (더 보기 목록에 Google Colaboratory가 없다면..

수업 링크 : https://opentutorials.org/module/4966/28967 지도학습의 빅픽쳐 - Tensorflow 1 수업소개 지도학습의 전체 과정을 4단계로 구분하여 이해하고 그림과 설명으로 프로세스 전반을 알아보는 수업입니다. 강의 머신러닝 프로세스 opentutorials.org 지도 학습을 위해 필요한 것 1. 과거의 데이터를 준비한다. - 원인 : 독립 변수 - 결과 : 종속 변수 2. 모델의 구조를 만든다. - 독립 변수와 종속 변수에 따라 구조가 달라짐 3. 데이터로 모델을 학습(FIT)한다. - 모델을 데이터에 맞게 하는 과정 4. 모델을 이용한다.

수업 링크 : https://opentutorials.org/module/4966/29045 목표와 전략 - Tensorflow 1 수업소개 Tensorflow 1 수업의 목표와 전략을 설명드리는 수업입니다. 강의 opentutorials.org 딥러닝을 코드로 구현하기 위해서는 원리, 수학, 코딩, 데이터 등 습득해야 하는 선수 지식이 상당함 1. 파이썬 기초 2. 데이터 입문 3. 머신러닝 이해 4. 딥러닝의 원리 5. 딥러닝 구현 공부 전략 1. 원인이 되는 간단한 코드 작성, 경험 2. 결과로서 코드의 동작과 학습 과정을 관찰, 해당 코드를 어떻게 이용하면 좋을지 추측 3. 위 과정을 반복 => 코드와 알고리즘에 익숙해짐

수업 링크 : https://opentutorials.org/module/4966/28965 오리엔테이션 - Tensorflow 1 수업소개 딥러닝이라는 이름으로 유명해진 인공신경망과 이를 구현하는 것을 도와주는 도구 텐서플로우 라이브러리를 소개하면서, 텐서플로우 라이브러리부터 전체 AI까이 이어지는 계층구조 opentutorials.org 머신러닝 : 기계를 학습시켜서 인간의 판단 능력을 기계에 위임하는 기술 회귀 : 숫자로 된 결과를 예측 분류 : 범주(Category) 형태를 예측 머신러닝 알고리즘 : 회귀와 분류 문제를 해결하기 위해 사용하는 방법 - Decision Tree - Random Forest - KNN - SVM - Neural Network Neural Network : 사람의 두뇌..